traductor

domingo, 18 de octubre de 2026

El cerebro humano: los grandes descubrimientos de la neurociencia en los últimos diez años (2016–2026) -The brain. The story of you, de David Eagleman.

 

El cerebro humano: los grandes descubrimientos de la neurociencia en los últimos diez años (2016–2026)

Cómo construimos la realidad, por qué pensamos como pensamos, qué sabemos sobre la conciencia y cómo están cambiando la neurología y la inteligencia artificial nuestra comprensión de la mente humana.

1. Introducción. El órgano que interpreta el mundo también interpreta quiénes somos

Durante siglos hemos intentado comprender el cerebro estudiando sus estructuras, sus lesiones y su actividad eléctrica. Sin embargo, durante la última década la neurociencia ha experimentado una transformación significativa: hemos empezado a observar circuitos neuronales completos, identificar miles de tipos celulares, registrar la actividad de grandes poblaciones de neuronas y traducir determinadas señales cerebrales en movimientos o lenguaje mediante inteligencia artificial.

El resultado es una nueva visión de nuestro cerebro.

Ya no podemos describirlo simplemente como una máquina que recibe información, almacena recuerdos y produce decisiones.

Es un sistema biológico dinámico, condicionado por la evolución, el cuerpo, el entorno y las experiencias acumuladas. Percibe, anticipa, aprende, recuerda, olvida y modifica sus propias conexiones.

Una de las ideas más importantes es que nuestra experiencia consciente del mundo no constituye una reproducción exacta de la realidad externa, sino una representación construida a partir de información sensorial y procesos internos.

Pero hay una precisión fundamental: que la percepción sea construida no significa que la realidad sea inventada o que todas las interpretaciones resulten igualmente válidas. El cerebro está sometido a restricciones físicas y sensoriales que permiten contrastar y corregir sus representaciones.

Esta distinción enlaza directamente con tu reflexión sobre conocimiento, convicciones y pensamiento crítico.

Si nuestros recuerdos son reconstructivos, nuestras percepciones dependen del contexto y nuestras decisiones incorporan procesos de los que no siempre somos conscientes, ¿hasta qué punto podemos confiar en nuestra sensación de certeza?

Y, todavía más importante, ¿qué mecanismos podemos desarrollar para identificar nuestros errores?

Para responder conviene separar tres niveles:

  • Descubrimientos consolidados: resultados empíricos reproducidos o respaldados por abundante evidencia.

  • Modelos científicos prometedores: explicaciones que integran numerosos fenómenos, pero todavía tienen limitaciones.

  • Grandes preguntas abiertas: conciencia, identidad, libre albedrío y naturaleza de la experiencia subjetiva.

Confundir estos tres niveles conduciría precisamente al error que queremos evitar: convertir la investigación científica en una nueva fuente de certezas absolutas.

2. La revolución que está transformando la neurociencia: por primera vez podemos cartografiar circuitos cerebrales con un detalle extraordinario

3.000+

Tipos celulares identificados en atlas del cerebro humano, 2023

50 M+

Conexiones cartografiadas en el cerebro de la mosca, 2024

524 M

Sinapsis reconstruidas en tejido cerebral de ratón, 2025
Son estudios sobre especies y métodos distintos; las cifras muestran la escala de los avances, no una medida comparable de inteligencia.

A. El cerebro contiene una diversidad celular mucho mayor de lo que reflejaban los modelos tradicionales

En octubre de 2023, una colaboración internacional vinculada a la iniciativa BRAIN de los Institutos Nacionales de Salud estadounidenses publicó atlas celulares del cerebro humano y de otros primates.

Uno de los trabajos identificó más de 3.000 tipos o agrupaciones celulares mediante técnicas moleculares.

Esto supuso un avance fundamental: el cerebro no está formado por una masa relativamente homogénea de neuronas, sino por numerosos tipos celulares con propiedades, distribuciones y funciones diferentes.

La consecuencia es importante para la neurología: distintas enfermedades pueden afectar a poblaciones celulares diferentes, incluso dentro de una misma región cerebral.

Implicación: en el futuro, los tratamientos podrían dirigirse con mayor precisión a circuitos y células particulares, aunque traducir los atlas en terapias eficaces continúa siendo un desafío.

B. Hemos comenzado a reconstruir el cableado de cerebros completos

Largest Brain Map Ever Reveals Fruit Fly’s Neurons in Exquisite Detail | Scientific American
Mit KI das Sehsystem im Gehirn verstehen
Layer 2/3 — MICrONS Explorer
5

En 2024, el proyecto FlyWire publicó el mapa completo de las conexiones neuronales del cerebro de una mosca de la fruta adulta: aproximadamente 140.000 neuronas y más de 50 millones de conexiones sinápticas.

En abril de 2025, el proyecto MICrONS presentó un conjunto de datos que combinaba actividad neuronal con una reconstrucción anatómica de una porción de cerebro de ratón que incluía más de 200.000 células y aproximadamente 524 millones de sinapsis.

¿Por qué es revolucionario?

Porque podemos estudiar con mucho mayor detalle cómo se relacionan la estructura de los circuitos y la información que procesan.

Sin embargo, conocer el cableado cerebral no equivale todavía a comprender por completo sus funciones. Importan también la intensidad cambiante de las conexiones, los neurotransmisores, la actividad neuronal, el estado del organismo y la experiencia.

Una analogía útil: disponer del plano completo de una ciudad no nos dice automáticamente cómo se comportarán sus habitantes, qué decisiones tomarán o cómo cambiará la ciudad con el tiempo.

El cerebro es todavía más complejo porque sus conexiones y patrones de funcionamiento se modifican mediante el aprendizaje.

3. La percepción: el cerebro no fotografía la realidad, la interpreta

Estado científico: ampliamente respaldado en sus principios; los modelos predictivos concretos continúan en discusión.

Esta es una de las ideas más importantes de las notas que aportas y uno de los campos que más han influido en la neurociencia cognitiva reciente.

El cerebro recibe señales, no experiencias completas

Cuando miramos una habitación, tenemos la sensación de percibir directamente mesas, paredes, colores, distancias y objetos.

Sin embargo, nuestros ojos reciben luz. Es el sistema nervioso quien procesa las señales, extrae características, integra información y construye una experiencia perceptiva.

Lo mismo ocurre con el sonido, el tacto y otras modalidades sensoriales.

El cerebro combina información de los sentidos con aprendizaje previo, contexto, atención y expectativas.

Esto permite interpretar con rapidez un entorno cambiante, pero también explica la existencia de ilusiones perceptivas y errores de reconocimiento.

La hipótesis del procesamiento predictivo

Una de las teorías más influyentes plantea que el cerebro utiliza modelos internos para anticipar qué información sensorial es probable que reciba.

La percepción surgiría, en parte, de la interacción entre esas predicciones y las señales que llegan del exterior.

Cómo funciona un modelo predictivo de la percepción

Experiencias anteriores y contexto

Conocimientos, expectativas y probabilidades aprendidas

Predicciones e información sensorial

Comparación entre lo esperado y lo que indican los sentidos

Experiencia perceptiva y actualización

Interpretación del entorno y aprendizaje a partir de discrepancias

Por ejemplo, cuando escuchamos una conversación en una cafetería ruidosa, el contexto de las frases y nuestras expectativas pueden ayudarnos a reconocer palabras que acústicamente resultan difíciles de distinguir.

La misma capacidad que mejora nuestra percepción puede introducir errores cuando las expectativas pesan demasiado.

Ahora bien, debemos evitar una simplificación frecuente: que el cerebro aproveche predicciones no demuestra que toda su actividad se explique mediante un único principio matemático.

Una revisión científica de 2024 concluyó que existen evidencias favorables al predictive coding, pero que algunos hallazgos también son compatibles con modelos alternativos.

La conclusión sólida: la percepción no es pasiva y está influida por el contexto y la experiencia.

Lo que sigue abierto: hasta qué punto un modelo predictivo único explica la percepción, las decisiones, la acción y otras funciones cerebrales.

Una implicación decisiva para el pensamiento crítico

Podemos confundir tres cosas:

  1. Lo que realmente ha ocurrido.

  2. Lo que nuestros sentidos y recuerdos nos permiten conocer.

  3. La interpretación que elaboramos de ello.

Esto resulta especialmente relevante cuando evaluamos comportamientos ajenos, noticias, acontecimientos sociales o problemas económicos.

Dos personas pueden interpretar de forma distinta una misma situación porque prestan atención a señales diferentes, poseen experiencias distintas o parten de expectativas incompatibles.

Sin embargo, sería científicamente incorrecto concluir que toda discrepancia ideológica se explica directamente por el funcionamiento predictivo del cerebro.

Las creencias políticas incorporan procesos sociales, culturales, educativos y deliberativos que no pueden reducirse a una única teoría neurofisiológica.

La enseñanza es otra: la seguridad subjetiva con la que experimentamos una interpretación no garantiza su exactitud.

4. La memoria: recordar no es reproducir una grabación del pasado

Estado científico: consolidado en sus principios; los mecanismos neuronales de almacenamiento y transformación siguen investigándose.

Durante mucho tiempo resultaba intuitivo imaginar la memoria como un archivo que guarda acontecimientos y permite recuperarlos posteriormente.

La investigación moderna ofrece una visión más dinámica.

Nuestros recuerdos dependen de cambios en circuitos neuronales y de procesos de codificación, consolidación, recuperación y actualización.

El descubrimiento de los engramas y su reorganización

Los engramas son conjuntos de células y modificaciones neuronales relacionados con la representación de una memoria.

La investigación experimental, especialmente en animales, ha permitido identificar poblaciones de neuronas implicadas en aprendizajes específicos y estudiar cómo su reactivación participa en la recuperación de recuerdos.

Una revisión de 2024 destacó que estas representaciones son más flexibles y dinámicas de lo que sugerían las primeras formulaciones.

Un estudio publicado en Nature en mayo de 2025 mostró en ratones que, con el paso del tiempo, ciertos circuitos de memoria del hipocampo se reorganizan y pueden favorecer la transformación de recuerdos detallados en representaciones más generales.

Esto ayuda a comprender por qué la memoria no está diseñada simplemente para conservar fielmente todos los detalles de nuestra vida.

También nos permite extraer regularidades, establecer asociaciones y utilizar experiencias anteriores en situaciones nuevas.

¿Qué implica para nuestros recuerdos personales?

Un recuerdo puede conservar elementos verdaderos y, al mismo tiempo, incorporar omisiones, reconstrucciones y asociaciones posteriores.

Además, la evocación de determinados recuerdos puede facilitar procesos de actualización o reconsolidación.

Pero no significa que cada recuerdo cambie inevitablemente cada vez que lo recuperamos ni que todos sean poco fiables.

La precisión depende de múltiples factores: importancia del acontecimiento, tiempo transcurrido, contexto, atención, emoción y condiciones de recuperación.

Esto tiene consecuencias especialmente relevantes para la justicia, los testimonios, la educación y los conflictos personales.

Recordar algo con extraordinaria intensidad emocional no garantiza que todos sus detalles sean exactos.

También debemos aplicar esta prudencia a nuestras narraciones personales. La identidad autobiográfica depende de recuerdos que conservan continuidad, pero que pueden reorganizarse a lo largo del tiempo.

5. Neuroplasticidad: el cerebro adulto continúa cambiando

Estado científico: muy consolidado en plasticidad sináptica y aprendizaje; mayor incertidumbre sobre la magnitud de la generación de nuevas neuronas en adultos.

La neuroplasticidad es la capacidad del sistema nervioso para modificar sus conexiones, propiedades y organización funcional.

No es un descubrimiento exclusivo de la última década. Es uno de los principios fundamentales de la neurociencia moderna.

Lo que ha avanzado considerablemente es nuestra capacidad para observar sus mecanismos y comprender sus límites.

Cambiar las conexiones no es lo mismo que generar neuronas nuevas

Es importante distinguir dos procesos.

Plasticidad sináptica: las conexiones entre neuronas pueden reforzarse, debilitarse o reorganizarse. Participa en el aprendizaje, la memoria y la adaptación.

Neurogénesis: generación de nuevas neuronas a partir de células precursoras. Su extensión en el cerebro humano adulto ha sido objeto de un debate científico importante.

Un estudio publicado en Science el 3 de julio de 2025 identificó células progenitoras neuronales proliferativas en el hipocampo humano adulto, aportando evidencia significativa a favor de que ciertos procesos de neurogénesis persisten después de la infancia.

Este hallazgo no significa que el cerebro adulto pueda regenerarse libremente después de cualquier lesión.

Tampoco demuestra que una actividad concreta produzca automáticamente grandes cantidades de neuronas nuevas.

La magnitud funcional de estos procesos, su variabilidad entre personas y sus posibles aplicaciones terapéuticas todavía requieren investigación.

La identidad cerebral es dinámica, pero no ilimitadamente flexible

Podemos aprender habilidades nuevas, modificar hábitos, incorporar experiencias y recuperar determinadas funciones mediante rehabilitación.

Pero la plasticidad tiene restricciones biológicas.

La edad, la enfermedad, la calidad del aprendizaje, la práctica y el entorno influyen en qué cambios son posibles.

Esto obliga a rechazar dos extremos.

Uno consiste en afirmar que nuestro cerebro queda prácticamente fijado al alcanzar la edad adulta.

El otro consiste en interpretar la plasticidad como prueba de que cualquiera puede transformar ilimitadamente su cerebro mediante voluntad o entrenamiento.

Ambos son incorrectos.

La conclusión: nuestra historia biológica influye en lo que somos, pero nuestra experiencia continúa modificando el sistema nervioso durante toda la vida.

Este principio proporciona una base científica para comprender la importancia del aprendizaje continuo, la rehabilitación y los entornos educativos.

6. El cerebro no trabaja solo: las células gliales y el sistema inmunitario participan en su funcionamiento

Estado científico: papel de la glía ampliamente establecido; mecanismos específicos de memoria todavía en investigación.

Uno de los cambios conceptuales más interesantes consiste en abandonar una visión exclusivamente neuronal del cerebro.

Durante décadas, gran parte de la investigación se concentró en las neuronas y sus sinapsis.

Hoy sabemos que otras células, como los astrocitos y la microglía, desempeñan funciones esenciales.

Los astrocitos participan en el mantenimiento del entorno neuronal y en la regulación de la actividad sináptica. La microglía desempeña funciones relacionadas con la vigilancia inmunitaria, la eliminación de componentes celulares y la remodelación de conexiones.

Estos procesos resultan importantes para el desarrollo cerebral, la plasticidad y determinadas enfermedades.

Un avance especialmente reciente: los astroengramas

En enero de 2026, investigadores del Instituto Cajal del CSIC publicaron en Nature Reviews Neuroscience una revisión y propuesta conceptual sobre los llamados astroengramas.

El trabajo examina evidencias de que determinados conjuntos de astrocitos participan en las representaciones celulares relacionadas con el aprendizaje y la recuperación de memorias.

Es una línea de investigación prometedora, especialmente apoyada en modelos experimentales animales, no una demostración de que ya comprendamos el almacenamiento completo de la memoria humana.

La implicación es significativa.

La memoria podría depender de una cooperación celular todavía más amplia de lo que explicaban los modelos centrados únicamente en neuronas.

El cerebro empieza a describirse cada vez más como un ecosistema biológico, no como un conjunto aislado de cables eléctricos.


7. El cerebro y el cuerpo forman un sistema integrado

Estado científico: interacción cerebro-cuerpo consolidada; algunos modelos integradores continúan desarrollándose.

Otra transformación importante afecta a nuestra manera de entender las emociones, la conciencia corporal y la toma de decisiones.

Tradicionalmente distinguíamos entre el cerebro, como centro del pensamiento, y el resto del cuerpo, como ejecutor de sus instrucciones.

La investigación actual subraya que la relación es bidireccional.

El cerebro recibe señales relacionadas con el ritmo cardíaco, la respiración, la actividad visceral, el estado metabólico y numerosos procesos fisiológicos.

La percepción de determinadas señales internas se denomina interocepción.

Una revisión de 2024 relacionó estos mecanismos con la conciencia corporal y la integración de información procedente de diferentes sistemas fisiológicos.

ScienceDirect

En 2025, otra revisión de Nature Reviews Neuroscience examinó cómo la respiración puede coordinar ritmos neuronales en regiones relacionadas no solamente con el control respiratorio, sino también con funciones cognitivas y emocionales.

Nature Reviews Neuroscience

¿Por qué importa?

Porque nuestras decisiones no ocurren en un sistema puramente abstracto.

El cansancio, el estrés, el hambre, las emociones y otros estados corporales pueden modificar la atención, la valoración de riesgos y la capacidad de deliberación.

Esto no significa que una emoción determine necesariamente una decisión.

Significa que razón y emoción no funcionan como dos sistemas completamente independientes.

Las emociones pueden orientar nuestra atención hacia señales relevantes; también pueden favorecer interpretaciones precipitadas en determinadas circunstancias.

La reflexión crítica exige comprender ambas posibilidades.

8. La dimensión social del cerebro: nuestra identidad también depende de los demás

Estado científico: importancia de las relaciones sociales ampliamente respaldada; relaciones causales específicas entre aislamiento y estructura cerebral requieren prudencia.

El texto que aportas destaca que las relaciones sociales son fundamentales para nuestra identidad.

Esta afirmación está respaldada por numerosas líneas de investigación, aunque conviene distinguir entre efectos sociales, psicológicos y propiamente neuronales.

Los seres humanos desarrollamos capacidades complejas para reconocer expresiones, interpretar intenciones, anticipar comportamientos y coordinar acciones.

Buena parte de nuestra actividad cerebral se organiza alrededor de interacciones con otras personas.

La soledad y las redes cerebrales

Investigaciones basadas en decenas de miles de participantes del UK Biobank han identificado asociaciones entre soledad, apoyo social y características de redes cerebrales vinculadas con procesos de memoria, autorreferencia y cognición social.

Nature Human Behaviour

Estos estudios no demuestran que el aislamiento cause necesariamente todas las diferencias cerebrales observadas.

También pueden influir factores de salud, personalidad, edad y condiciones sociales preexistentes.

Pero ayudan a comprender que las relaciones interpersonales no son un mero complemento de la actividad cognitiva.

Contribuyen a configurar experiencias, hábitos, expectativas y formas de interpretar el mundo.

La cultura funciona también como un entorno de aprendizaje

Aquí existe una conexión directa con tus reflexiones anteriores sobre el frentismo y la identidad política.

Una parte importante de nuestras convicciones se adquiere mediante aprendizaje social.

Observamos qué ideas reciben aprobación, qué conductas se sancionan y qué opiniones refuerzan nuestra pertenencia a un grupo.

Con el tiempo podemos interiorizar esas evaluaciones hasta percibirlas como evidencias naturales.

Pero es importante no confundir niveles explicativos.

La neurociencia puede estudiar los mecanismos cerebrales del aprendizaje social. La psicología investiga los procesos de identidad, motivación y razonamiento. Y la sociología y la ciencia política analizan las instituciones, normas e incentivos colectivos.

Ninguna de estas disciplinas basta por sí sola para explicar la polarización.

Una sociedad que desee fomentar el pensamiento crítico necesita actuar tanto sobre las capacidades individuales de razonamiento como sobre los entornos sociales que recompensan o penalizan la rectificación.

9. El cerebro inconsciente, nuestras decisiones y el debate sobre el libre albedrío

Estado científico: influencia de procesos no conscientes ampliamente establecida; conclusiones filosóficas sobre libre albedrío no resueltas.

Uno de los resultados más conocidos de la neurociencia es que una parte importante del procesamiento cerebral ocurre sin acceso consciente directo.

Podemos reconocer expresiones, desarrollar automatismos, anticipar acontecimientos o iniciar respuestas motoras mediante procesos que no controlamos de manera explícita en cada instante.

Pero aquí aparece una confusión frecuente.

Que una decisión esté precedida por actividad cerebral inconsciente no demuestra automáticamente que la conciencia carezca de función causal.

Los experimentos de Libet y sus limitaciones

En los experimentos clásicos de Benjamin Libet se observó actividad cerebral preparatoria antes de que los participantes declararan haber tomado conscientemente una decisión motora.

Estos resultados dieron lugar a interpretaciones según las cuales las decisiones se iniciarían inconscientemente.

Sin embargo, investigaciones posteriores han cuestionado la generalización de esos experimentos.

Un estudio de 2019, publicado en eLife, comparó decisiones arbitrarias con decisiones deliberadas relacionadas con donaciones económicas. Encontró diferencias relevantes en los patrones de actividad preparatoria, lo que cuestionó la posibilidad de extrapolar sin más los resultados de movimientos arbitrarios a decisiones significativas.

eLife

La enseñanza no es que el libre albedrío haya quedado demostrado.

Es que la neurociencia todavía no ha resuelto definitivamente el debate filosófico sobre qué significa decidir libremente.

No somos completamente conscientes de nuestros motivos

Podemos explicar nuestras decisiones utilizando argumentos razonables y, sin embargo, no conocer todos los procesos que influyeron en ellas.

Esto no significa que las explicaciones conscientes carezcan de valor.

La deliberación, el aprendizaje, la planificación y el autocontrol también implican mecanismos cerebrales capaces de modificar decisiones futuras.

La idea de que toda decisión tiene una base neuronal es compatible con distintas posiciones filosóficas sobre libertad y responsabilidad.

Por eso debemos rechazar dos afirmaciones extremas: que somos agentes perfectamente racionales y transparentes para nosotros mismos, y que la neurociencia ya ha demostrado que nuestras decisiones carecen de toda autonomía significativa.

10. Sueño y cerebro: por qué descansar forma parte del aprendizaje

Estado científico: papel del sueño en la memoria consolidado; debate abierto sobre determinados mecanismos de eliminación de sustancias.

Durante el sueño, el cerebro no permanece inactivo.

Se producen patrones coordinados de actividad relacionados con la consolidación de memorias, el procesamiento de información y la regulación de funciones fisiológicas.

Un estudio de enero de 2025 examinó cómo la estructura del sueño organiza la reactivación de recuerdos recientemente adquiridos en el hipocampo.

Nature

Este tipo de resultados refuerza una idea importante: aprender no consiste únicamente en recibir información durante la vigilia.

También intervienen procesos posteriores de reorganización y consolidación.

La polémica sobre la limpieza cerebral

Una de las hipótesis más difundidas propone que, durante el sueño, determinados flujos de líquidos contribuyen a eliminar sustancias de desecho del tejido cerebral.

Se conoce como hipótesis del sistema glinfático.

Sin embargo, un trabajo de 2024 cuestionó algunos de esos mecanismos mediante experimentos en ratones, provocando un debate metodológico y científico que continuó durante 2025.

Nature Neuroscience
+1

Por tanto, no debemos presentar como definitivamente establecido que dormir actúa simplemente como un sistema de lavado cerebral.

La importancia del sueño para la salud y diversas funciones cognitivas está respaldada por abundante evidencia.

Pero sus mecanismos concretos son más complejos que algunas explicaciones divulgativas.

11. Las grandes revoluciones médicas: Alzheimer, Parkinson e interfaces cerebro-máquina

Aquí encontramos algunos de los avances más tangibles de los últimos diez años.

Alzheimer: de describir síntomas a identificar biomarcadores y modificar parcialmente la enfermedad

Durante décadas, gran parte del tratamiento del Alzheimer se concentró en aliviar síntomas.

Los nuevos tratamientos dirigidos a determinadas formas de beta-amiloide han abierto una etapa distinta, aunque sus beneficios son limitados y presentan riesgos relevantes.

El ensayo de lecanemab, publicado en 2022, encontró un menor deterioro medio en pacientes con Alzheimer temprano durante 18 meses frente a placebo, junto con posibles efectos adversos, incluidos cambios detectables mediante neuroimagen.

New England Journal of Medicine

Posteriormente, la FDA autorizó donanemab en julio de 2024 para determinados pacientes con enfermedad en fase temprana.

FDA

Estos tratamientos no curan el Alzheimer ni revierten el daño neuronal generalizado.

Su aportación consiste en demostrar que intervenir sobre determinados mecanismos biológicos puede modificar parcialmente la evolución clínica en pacientes seleccionados.

En mayo de 2025, la FDA autorizó la comercialización de la primera prueba sanguínea destinada a ayudar a identificar patología amiloide asociada al Alzheimer en pacientes sintomáticos de 55 años o más atendidos en entornos especializados.

FDA

Esto puede facilitar una evaluación menos invasiva, pero la prueba no sustituye por sí sola el diagnóstico clínico.

Parkinson: estimular el cerebro y adaptar el tratamiento a su actividad

La estimulación cerebral profunda se utiliza desde hace décadas para tratar determinados síntomas de Parkinson.

El avance reciente consiste en desarrollar sistemas adaptativos que pueden modificar la estimulación en función de señales neuronales registradas.

En febrero de 2025, la FDA aprobó una función comercial de estimulación cerebral profunda adaptativa para determinados pacientes con Parkinson.

Access Data FDA

La diferencia conceptual es importante.

En lugar de depender exclusivamente de parámetros de estimulación fijados previamente, estos sistemas incorporan información cerebral para ajustar la intervención dentro de límites programados.

No constituyen una curación del Parkinson, pero representan un avance hacia tratamientos neurológicos más individualizados.

Interfaces cerebro-máquina: transformar actividad neuronal en comunicación


18 years after he was paralysed, brain implants are letting this man communicate again – The Irish Times
Brain-Computer Interface Breakthrough Empowers People with Paralysis to Type Using Their Minds | BioIntel
9

En 2025 se publicaron investigaciones que demostraron avances notables en la generación de habla sintética a partir de señales cerebrales registradas en personas con graves limitaciones de comunicación.

Una investigación publicada en Nature utilizó 256 microelectrodos implantados y un sistema de decodificación para sintetizar voz a partir de actividad relacionada con intentos de hablar de un participante con esclerosis lateral amiotrófica.

Nature

Otra, publicada en Nature Neuroscience, demostró un sistema de síntesis continua del habla con actualizaciones de decodificación en intervalos de 80 milisegundos.

Nature Neuroscience

Estas tecnologías son todavía experimentales y se han probado en contextos clínicos muy controlados.

No permiten leer libremente cualquier pensamiento de una persona.

Trabajan con señales concretas, procedimientos de entrenamiento y patrones relacionados con tareas específicas.

Aun así, muestran que determinadas funciones perdidas pueden recuperarse parcialmente mediante la conexión entre actividad cerebral, dispositivos electrónicos y sistemas de inteligencia artificial.

La nueva frontera es desarrollar tecnologías más seguras, estables, accesibles y respetuosas con la privacidad neuronal.

12. Conciencia: la gran pregunta que seguimos sin resolver

Estado científico: existen correlatos neuronales bien estudiados, pero ninguna teoría completa y universalmente aceptada.

A pesar de los avances anteriores, seguimos sin una explicación completa de cómo surge la experiencia subjetiva a partir de la actividad cerebral.

Sabemos que determinadas redes y procesos neuronales se relacionan con los contenidos de la conciencia.

Podemos estudiar diferencias entre sueño, vigilia, anestesia y estados alterados de conciencia.

Pero continúa abierta la pregunta de por qué determinados procesos físicos van acompañados de experiencias subjetivas.

El experimento de 2025 que puso a prueba dos grandes teorías

En abril de 2025, la revista Nature publicó un estudio especialmente importante.

El proyecto COGITATE comparó experimentalmente dos teorías influyentes:

Teoría del espacio de trabajo neuronal global: propone que determinados contenidos alcanzan la conciencia cuando la información se vuelve ampliamente accesible mediante redes cerebrales distribuidas.

Teoría de la información integrada: relaciona la conciencia con propiedades de integración causal de la información dentro de un sistema.

El estudio incluyó 256 participantes y utilizó resonancia magnética funcional, magnetoencefalografía y registros intracraneales.

Sus resultados respaldaron algunas predicciones de ambas teorías, pero cuestionaron otras consideradas importantes.

No hubo una vencedora definitiva.

Este experimento merece atención por una razón metodológica particularmente interesante: reunió a investigadores con teorías enfrentadas para establecer previamente qué evidencias podrían confirmar o cuestionar sus planteamientos.

Es un ejemplo de cómo la ciencia puede convertir el desacuerdo en aprendizaje.

Y conecta con el problema central de tus anteriores ensayos: una sociedad progresa cuando es capaz de someter sus convicciones a pruebas compartidas, no cuando consigue defenderlas indefinidamente.

La propia investigación sobre conciencia demuestra que incluso los expertos pueden discrepar y que la racionalidad científica necesita procedimientos para gestionar esas discrepancias


13. El futuro del cerebro: ¿podremos ampliar nuestros sentidos?

Una de las afirmaciones más sugerentes del texto que compartes se refiere a la posibilidad de ampliar nuestras capacidades sensoriales.

Esta cuestión ya no pertenece exclusivamente a la ciencia ficción.

La sustitución sensorial consiste en transformar información correspondiente a una modalidad sensorial en señales que puedan recibirse a través de otra.

Por ejemplo, determinados dispositivos convierten sonidos en patrones de vibración sobre la piel.

Con entrenamiento, algunas personas pueden aprender a asociar esos patrones con información auditiva.

David Eagleman ha trabajado en esta línea de investigación. Un artículo de 2023 examinó las posibilidades de sustitución, adición y expansión sensorial mediante tecnologías hápticas.

PMC

Estos avances no demuestran que podamos incorporar sin restricciones cualquier nuevo sentido ni que podamos reprogramar libremente el cerebro.

Pero sí muestran algo muy importante: el cerebro puede aprender a interpretar información transmitida mediante canales sensoriales no habituales.

Este hallazgo tiene aplicaciones potenciales en rehabilitación, accesibilidad y nuevas interfaces humanas.

A medida que estas tecnologías progresen, también aparecerán desafíos relacionados con consentimiento, seguridad, desigualdad de acceso, privacidad neuronal e identidad personal.

14. Contraste con el libro: El cerebro: nuestra historia, de David Eagleman

‎El cerebro by Damià Alou & David Eagleman on Apple Books

El cerebro: nuestra historia

David Eagleman. Edición española de Anagrama, 2017; original inglés de 2015.

La descripción que aportas coincide muy estrechamente con sus temas y sus seis grandes preguntas: identidad, realidad, procesos inconscientes, decisiones, relaciones sociales y futuro tecnológico.

Como no has indicado expresamente el título del libro ni has proporcionado su texto completo, tomo esta obra como referencia probable. El contraste siguiente se basa en las ideas de tus notas y en la descripción y estructura documentadas del libro, no en una revisión página por página.

Ideas centrales

Qué aporta la investigación 2016–2026

El cerebro construye la realidad percibida

Se ha avanzado en el estudio de los modelos predictivos, pero no existe una explicación única plenamente validada.

La identidad cambia con la experiencia

La investigación en plasticidad, memoria y reorganización de circuitos refuerza esta idea.

Muchas decisiones implican procesos inconscientes

Está respaldado, aunque no resuelve definitivamente el libre albedrío.

Los recuerdos forman nuestra identidad

Los estudios de engramas muestran que las representaciones de memoria pueden reorganizarse.

Necesitamos a otras personas

La neurociencia social y los estudios sobre aislamiento amplían la evidencia sobre las relaciones entre vínculos, cognición y cerebro.

Podemos ampliar nuestras capacidades sensoriales

Los dispositivos de sustitución sensorial y las interfaces cerebro-máquina han conseguido demostraciones experimentales relevantes.

Comprender el cerebro modifica nuestra visión de nosotros mismos

Sigue siendo una conclusión filosófica y educativa razonable, pero no un resultado experimental directamente demostrable.

Tres precisiones para reforzar científicamente tus notas

Primera: el cerebro construye representaciones de la realidad, no necesariamente realidades privadas incomunicables.

La existencia de diferencias perceptivas no implica que carezcamos de hechos compartidos.

Podemos utilizar instrumentos, observaciones independientes, experimentación y debate para corregir interpretaciones.

Segunda: plasticidad cerebral no significa identidad infinitamente modificable.

La identidad evoluciona, pero también presenta continuidad biológica, psicológica y social.

Tercera: conocer los mecanismos neuronales no permite explicar automáticamente las instituciones y los comportamientos colectivos.

La neurología y la neurociencia son fundamentales para comprender la cognición, pero no sustituyen a la psicología social, la sociología, la economía ni la ciencia política.

Estas distinciones son especialmente importantes para evitar el neuroreduccionismo: creer que todo fenómeno humano complejo puede explicarse suficientemente mediante una imagen cerebral o un mecanismo neuronal.

15. Qué descubrimientos considero más importantes y qué sigue abierto

Esta tabla sintetiza los principales avances de la década, diferenciando su grado de consolidación científica.

Área

Avance o conclusión

Situación

Cartografía cerebral

Atlas celulares y conectomas de una precisión inédita

Bien establecido

Percepción

Integración de información sensorial, contexto y expectativas

Bien establecido

Procesamiento predictivo general

Modelo explicativo de percepción y acción

Prometedor, debatido

Memoria

Engramas y reorganización de representaciones

Evidencia sólida, especialmente animal

Plasticidad

El cerebro mantiene capacidad de adaptación durante la vida

Bien establecido

Neurogénesis adulta

Evidencia de progenitores neuronales en el hipocampo humano

Evidencia creciente; magnitud funcional incierta

Glía

Participación en plasticidad y procesos cognitivos

Bien establecido; nuevos mecanismos en desarrollo

Cerebro-cuerpo

Integración de señales corporales y cerebrales

Bien establecido

Toma de decisiones

Participación de procesos conscientes y no conscientes

Bien establecido

Neurotecnología

Decodificación de señales para restaurar funciones

Demostrado en casos clínicos; limitado

Neurología clínica

Biomarcadores y tratamientos modificadores de algunas enfermedades

Avances reales, beneficios y alcance limitados

Conciencia y libre albedrío

Explicación completa de la experiencia subjetiva y la autonomía

Abierto

16. ¿Qué implicaciones tiene todo esto para el conocimiento, la educación y la sociedad?

Este es, probablemente, el apartado más relevante para conectar la neurociencia con tu reflexión sobre la racionalidad colectiva.

La principal enseñanza no es que debamos desconfiar de nuestra mente.

Es que debemos aprender a distinguir nuestras experiencias subjetivas de las afirmaciones verificables sobre el mundo.

Primera implicación: la certeza no es una prueba

Una persona puede experimentar una convicción como evidente y, sin embargo, estar equivocada.

Los recuerdos pueden ser incompletos. La percepción está influida por el contexto. Las decisiones incorporan procesos que no conocemos por completo.

Esto debería fomentar prudencia intelectual, no escepticismo absoluto.

Segunda implicación: aprender exige actualizar modelos mentales

La capacidad de aprendizaje depende de mecanismos biológicos, pero también de métodos, práctica, motivación y condiciones sociales.

No basta con ofrecer más información.

Es necesario crear oportunidades para comprobar conocimientos, detectar errores y revisar explicaciones.

Tercera implicación: la racionalidad no es ausencia de emoción

Las emociones forman parte de nuestra biología y pueden aportar información relevante para valorar situaciones.

El problema surge cuando interpretamos la intensidad de una emoción como una prueba suficiente de que nuestra conclusión es correcta.

La deliberación rigurosa consiste también en reconocer cómo influyen nuestros estados emocionales y expectativas.

Cuarta implicación: el desacuerdo puede producir aprendizaje

Dos personas pueden interpretar de manera diferente un mismo acontecimiento.

Pero, si se dispone de criterios comunes de verificación, esa discrepancia puede convertirse en una oportunidad para mejorar el conocimiento.

El experimento de 2025 sobre teorías de la conciencia representa una buena ilustración de este principio: investigadores con modelos rivales colaboraron para someter sus predicciones a pruebas comunes.

Quinta implicación: necesitamos instituciones que compensen nuestros límites individuales

Nuestros mecanismos cognitivos no fueron diseñados para evaluar por sí solos toda la complejidad científica, económica o social contemporánea.

Por eso construimos herramientas colectivas: universidades, investigación científica, revisión por pares, estadísticas, procedimientos judiciales y mecanismos democráticos.

No son perfectos, pero pueden ofrecer procedimientos de contraste que superan las limitaciones de un observador individual.

La conexión con RMS sería una hipótesis interdisciplinar: la capacidad de aprendizaje institucional puede contribuir a que las sociedades corrijan errores, coordinen conocimientos y respondan mejor a transformaciones económicas complejas.

No es una consecuencia neurobiológica directa. Requiere investigación específica en economía, ciencia política y teoría institucional.

17. La relación con el artículo «Tecnología sin estrategia es solo coste»

He revisado también el enlace que compartes, publicado el 18 de octubre de 2026.

El artículo de José Luis Casal no trata directamente sobre los descubrimientos del cerebro. Su argumento central es que incorporar tecnología no equivale automáticamente a desarrollar una ventaja competitiva: la transformación depende de las decisiones estratégicas, de las capacidades organizativas y del aprendizaje que generan las inversiones.

Existe una analogía interesante con nuestro análisis, aunque no debemos confundir una organización con un cerebro biológico.

Una empresa puede acumular información, sistemas y herramientas sin mejorar su capacidad para decidir.

Una persona puede recibir información constantemente sin mejorar necesariamente su comprensión.

Y una sociedad puede disponer de investigación rigurosa sin desarrollar suficientes mecanismos para convertirla en decisiones públicas eficaces.

En los tres casos resulta útil distinguir información disponible, capacidad de interpretación y utilización efectiva del conocimiento.

Epílogo. El cerebro que aprende a cuestionarse a sí mismo

Quizá uno de los aspectos más extraordinarios de la inteligencia humana sea que el cerebro ha desarrollado instrumentos para investigar su propio funcionamiento.

El mismo sistema que construye nuestra percepción puede descubrir que esa percepción tiene limitaciones.

El mismo sistema que almacena recuerdos puede demostrar experimentalmente que recordar no equivale a reproducir fielmente el pasado.

Y el mismo sistema que elabora convicciones puede construir métodos para someterlas a comprobación.

Durante los últimos diez años hemos avanzado de forma extraordinaria en la observación de células, circuitos, memorias y señales cerebrales.

Pero esos avances no han eliminado las grandes preguntas.

Seguimos investigando cómo emerge la conciencia, qué mecanismos explican completamente nuestra identidad y hasta dónde llega nuestra autonomía para decidir.

La ciencia no nos ofrece una imagen del ser humano como un individuo perfectamente racional.

Tampoco demuestra que seamos prisioneros inevitables de nuestros procesos inconscientes.

Nos muestra un organismo extraordinariamente complejo, capaz de aprender, adaptarse, construir representaciones y modificar sus comportamientos.

Y esa capacidad de aprendizaje incluye algo especialmente valioso: desarrollar procedimientos para identificar cuándo nuestras interpretaciones no coinciden con los hechos.

Por eso reformularía la reflexión que aportabas de la siguiente manera:

Una de las mayores conquistas de la inteligencia humana es haber descubierto que nuestro cerebro no nos ofrece una copia perfecta del mundo, sino una interpretación de él. Nuestra libertad intelectual comienza cuando aprendemos a contrastar esa interpretación con la realidad y aceptamos modificarla cuando aparecen mejores evidencias.

La neurociencia nos ayuda a comprender cómo pensamos.

La psicología nos ayuda a reconocer nuestras limitaciones.

La educación nos proporciona herramientas para aprender.

Y las instituciones pueden permitirnos transformar ese aprendizaje individual en conocimiento compartido.

El desafío ya no consiste solamente en conocer mejor el cerebro, sino en aprender a utilizar ese conocimiento para pensar mejor, convivir mejor y tomar decisiones más fundamentadas.

Porque la verdadera importancia de comprender el cerebro no reside únicamente en descubrir cómo somos.

Reside también en ampliar nuestra capacidad para aprender y cambiar.

Cinco investigaciones fundamentales para profundizar

  1. NIH — Atlas celulares del cerebro humano (2023). Diversidad celular y nuevas herramientas de investigación.

  2. Nature — MICrONS: conectividad cerebral del ratón (2025). Relaciones entre circuitos y actividad neuronal.

  3. Science — Neurogénesis en el hipocampo humano adulto (2025). Evidencia sobre progenitores neuronales adultos.

  4. Nature — Experimento sobre las teorías de la conciencia (2025). Contraste directo entre modelos rivales.

  5. Nature — Neuroprótesis de síntesis de voz (2025). Aplicación de interfaces cerebrales para recuperar comunicación.

Conclusión principal de la década 2016–2026: hemos progresado enormemente en comprender los componentes y mecanismos del cerebro, pero todavía estamos lejos de disponer de una teoría unificada capaz de explicar de manera completa cómo esos mecanismos producen la experiencia humana


The brain. The story of you, de David Eagleman.

Pocas cosas nos resultan tan familiares y, al mismo tiempo, tan desconocidas como nuestro propio cerebro. Vivimos convencidos de que percibimos la realidad tal como es, de que nuestras decisiones responden a una voluntad consciente y de que existe una identidad relativamente estable detrás de nuestros pensamientos. Sin embargo, este libro, cuestiona buena parte de estas certezas y nos invita a explorar uno de los territorios más fascinantes de la ciencia. A través de investigaciones, experimentos y casos clínicos sorprendentes, el autor explica cómo miles de millones de neuronas y sus conexiones construyen aquello que llamamos realidad, memoria, personalidad y conciencia. Y lo hace consiguiendo acercar conceptos extraordinariamente complejos sin perder de vista las preguntas filosóficas que los hacen verdaderamente interesantes.



Uno de los aspectos más reveladores es comprender que nuestro cerebro no funciona como un observador pasivo que registra fielmente cuanto sucede a su alrededor. La percepción es una construcción activa, condicionada por nuestras experiencias, expectativas y mecanismos neuronales. Lo que vemos, recordamos y creemos saber está sometido a procesos de interpretación de los que apenas somos conscientes. El libro explora también hasta qué punto nuestras decisiones están influidas por mecanismos inconscientes, cómo el cerebro se transforma a lo largo de nuestra vida gracias a su plasticidad y por qué las relaciones sociales son fundamentales para nuestra propia identidad. Especialmente sugerente resulta su reflexión sobre el futuro de la neurociencia y las tecnologías capaces de ampliar o modificar nuestras capacidades sensoriales. Todo ello nos enfrenta a la idea inquietante de que nuestra identidad no es una estructura fija, sino el resultado cambiante de una interacción permanente entre biología, experiencia y entorno.

Es curiosa la extraordinaria facilidad con la que confundimos nuestra interpretación del mundo con el mundo mismo. Cada uno de nosotros construye su realidad a partir de información incompleta, recuerdos imperfectos y modelos mentales que rara vez sometemos a una revisión rigurosa. Y, sin embargo, defendemos nuestras convicciones con una seguridad que no siempre se corresponde con la fiabilidad de los procesos que las han generado. Comprender cómo funciona el cerebro debería hacernos más prudentes ante nuestras certezas y más abiertos a perspectivas diferentes. Esto tiene implicaciones profundas para nuestras relaciones personales, la educación, la justicia y la manera en que tomamos decisiones colectivas. También invita a matizar una conclusión tentadora: que nuestros pensamientos y decisiones tengan una base neuronal no significa que la neurociencia haya resuelto definitivamente cuestiones como el libre albedrío o la conciencia. Explicar los mecanismos de una experiencia no equivale necesariamente a comprender por completo su significado. La ciencia nos ayuda a reconocer los límites de nuestro conocimiento, pero sería contradictorio convertir sus descubrimientos en nuevas certezas absolutas.

“Quizá una de las mayores conquistas de la inteligencia humana sea comprender que nuestro cerebro no nos muestra el mundo tal como es, sino una versión de él. Y que aprender a cuestionar esa versión es una forma de libertad

https://betterbusinessbetterworld.substack.com/p/tecnologia-sin-estrategia-es-solo 

sábado, 10 de octubre de 2026

Los Nobel de 2026 honran a los audaces que se enfrentaron a las preguntas esenciales de la ciencia

 

Los Nobel de 2026 honran a los audaces que se enfrentaron a las preguntas esenciales de la ciencia

Los premios de Física, Medicina y Química reconocen descubrimientos que parten de lo diminuto para acercarse a algunos de los mayores enigmas científicos: el universo, la vida y la consciencia

Un visitante en el Museo de los Premios Nobel.TOM LITTLE (REUTERS)

La ciencia moderna ha aprendido a defenderse con una palabra formidable: utilidad. Investigamos para curar enfermedades y hacer más habitable el mundo; también, para luchar guerras, multiplicar fortunas y fabricar necesidades que nadie sabía que tenía. Pero hay preguntas científicas que surgen de las profundidades de lo humano y que ni siquiera la confusión de la modernidad ha conseguido ofuscar del todo. ¿De qué está hecho realmente el universo? ¿Qué extraño orden hace posible la materia viva? ¿Cómo puede un pedazo de materia llegar a pensar que existe? Este año, los premios Nobel parecen haberse confabulado para honrar a los audaces de enfrentarse a preguntas de esta estirpe.

Empecemos por el Nobel de Física. El neutrino es quizá la más fantasmal de las partículas elementales: carece de carga eléctrica, tiene una masa diminuta y atraviesa casi toda la materia sin dejar rastro. Pauli postuló su existencia en 1930 para explicar la energía que parecía desaparecer en ciertas desintegraciones radiactivas y, desde entonces, su misterio no ha hecho sino crecer. Sabemos que los neutrinos tienen masa y cambian de identidad mientras viajan, pero ignoramos por qué esa masa es tan pequeña y cómo encajan en una teoría completa de las partículas fundamentales. Son, a la vez, habitantes y grietas del edificio de la física contemporánea. Y precisamente porque apenas interactúan con la materia, pueden atravesar el universo casi intactos, trayendo noticias que la luz no puede revelarnos. De ahí surgió la pregunta: ¿podríamos utilizar esas partículas casi inasibles para estudiar el universo?

La respuesta de Francis Halzen fue IceCube: convertir un kilómetro cúbico del hielo antártico en un gigantesco telescopio para atrapar neutrinos. Halzen confesaba que su desconocimiento de ciertos problemas de la óptica del hielo había resultado providencial: de haber leído antes por qué aquello difícilmente podía funcionar, quizá nunca lo habría intentado. Cuando un entrevistador le señaló la suerte que había acompañado aquella aventura, Halzen respondió con una frase que podría servir de divisa a estos Nobel: “Sin duda. Pero a menos que te atrevas, no puedes tener suerte”.

La optogenética, la técnica ganadora del Nobel de Medicina, se acerca a otro misterio formidable: el cerebro humano, esa materia complejísima con la propiedad de pensar sobre sí misma. Francis Crick, uno de los descubridores de la estructura del ADN, dedicó sus últimos años a la consciencia y llegó a imaginar que la luz podría permitirnos controlar neuronas con la precisión necesaria para interrogarla.

La premonición de Crick se materializó desde un lugar improbable. Peter Hegemann y Georg Nagel estudiaban cómo el alga unicelular Chlamydomonas se orienta hacia la luz, cuando identificaron las channelrhodopsinas, proteínas sensibles a ella. Karl Deisseroth y sus colaboradores comprendieron después que aquel mecanismo podía trasladarse a las neuronas y, en 2005, demostraron que podían activarlas con pulsos de luz. Había nacido la optogenética: la posibilidad de intervenir sobre neuronas concretas para descubrir qué percepciones, movimientos o conductas dependen de ellas, usando luz. Para interrogar la conciencia, la ciencia tuvo que pedir prestado un interruptor a un alga.

El Nobel de Química se acerca a una pregunta aún más antigua: qué distingue a lo vivo de la materia que no vive. La vida muestra una misteriosa predilección por la asimetría. Muchas moléculas existen en dos formas especulares o quirales, semejantes a nuestras manos: tienen los mismos componentes, pero una no puede superponerse a la otra. La química ofrece las dos manos; la vida, misteriosamente, ha escogido una para construir sus proteínas y la contraria para los azúcares de sus ácidos nucleicos.

No es una exquisitez geométrica. La tragedia de la talidomida mostró brutalmente hasta qué punto la orientación de una molécula puede importar. Administrada a embarazadas para aliviar las náuseas a finales de los años cincuenta y principios de los sesenta, provocó graves malformaciones en miles de bebés. Una de sus formas quirales se asoció al efecto terapéutico y la otra al teratogénico. La diferencia entre una molécula y su imagen en el espejo podía separar, así, el remedio de la catástrofe.

Henri Kagan demostró que una pequeña preferencia por una de esas formas especulares de las moléculas podía amplificarse durante una reacción química. Kenso Soai dio después un paso extraordinario: descubrió una reacción autocatalítica en la que el producto favorece la producción de nuevas moléculas de su misma forma quiral. Una diferencia inicialmente minúscula puede así amplificarse hasta que una de las dos formas termina dominando sobre la otra en una población de moléculas. Más desconcertante aún, incluso fluctuaciones surgidas al azar pueden ser amplificadas de este modo. No sabemos si un proceso semejante estuvo en el origen de la asimetría de la vida, pero la reacción de Soai ofrece un mecanismo imaginable para algo mucho más profundo: que una diferencia casi imperceptible se convierta en historia; que el azar, al amplificarse, adquiera dirección.

Hay algo humilde y a la vez desmesurado en estos tres premios. Ninguno pretendió resolver el universo, la vida o la conciencia: buscaron una partícula, una proteína, una reacción, porque en el detalle se insinuaba un misterio mayor. Y en los tres casos, entre la pregunta y la respuesta se coló un personaje que nuestra época racionalista preferiría desterrar: el azar. La serendipia no es ignorancia ni milagro, sino el encuentro improbable entre el accidente y una inteligencia preparada para reconocer, de pronto, aquello que buscaba sin saber todavía cómo encontrarlo.

Quizá por eso estos Nobel de 2026 tengan, paradójicamente, algo de medievales. En 1296, Ramon Llull imaginó en su Arbre de ciència el conocimiento como un árbol cuyas raíces, tronco y ramas sólo adquirían sentido porque pertenecían a una misma realidad. Conocer no era separar una cosa del mundo, sino descubrir los vínculos que la unían al resto. La ciencia moderna ha dividido aquel árbol en ramas cada vez más finas y ha recogido frutos que Llull habría considerado milagrosos; pero estos premios recuerdan algo que el viejo mallorquín habría comprendido: nadie se enamora de una rama sin sospechar el árbol.

La paradoja se acentúa en nuestra época de inteligencia artificial. Una máquina podrá descubrir relaciones que no sabemos calcular e incluso frutos que no sabíamos buscar. Pero permanece una pregunta anterior al cálculo: ¿por qué nos importa el árbol? Hay quizá aquí una asimetría más profunda que la de las moléculas. La conciencia humana es siempre particular, confinada a un cuerpo y a un instante, y sin embargo se obstina en buscar el todo; quiere pasar de la pieza al dibujo, de la rama al árbol. Por eso acaso nos fascine tanto la serendipia: es el instante en que el azar encuentra una consciencia capaz de reconocer, en lo pequeño, la huella de algo que la excede y, al reconocerla, transformar el accidente en dirección.

Los habitantes algo desorientados de la modernidad hemos perdido la certeza de Llull de que todas las ramas conducen a una misma verdad. Pero no hemos perdido todavía algo quizá más antiguo y más obstinado que aquella certeza: la necesidad de seguir buscándola.

sábado, 26 de septiembre de 2026

Claude descubre enzima tipo CRISPR en el biolab de Anthropic

 La IA deja de ser solo software cuando se conecta con laboratorio físico, biología, agentes autónomos y validación experimental

Se debe entender como señal de un cambio sistémico: la IA empieza a cerrar el ciclo entre información, hipótesis, experimento y descubrimiento.

El anuncio oficial de Anthropic no dice que Claude ha descubierto “un sistema enzimático no caracterizado, asociado a repeticiones de ADN y con propiedades “reminiscentes” de CRISPR.

 Anthropic lo llama array-associated reverse transcriptases, o ART, y reconoce que todavía está investigando su función primaria. Anthropic Nature también lo trata con cautela: el hallazgo es interesante, pero la pregunta ahora es qué hace realmente y qué utilidad puede tener. Nature



Claude, biolaboratorios y el cierre del ciclo IA-ciencia

Análisis sistémico del descubrimiento de un sistema enzimático tipo CRISPR

El anuncio de Anthropic sobre Claude y el descubrimiento de un sistema enzimático con similitudes estructurales a CRISPR debe leerse con cautela científica, pero con mucha atención estratégica. No estamos todavía ante “el nuevo CRISPR”. Tampoco ante una prueba definitiva de que la IA vaya a sustituir al científico. Lo que sí aparece es algo quizá más importante: un cambio en la arquitectura del descubrimiento científico.

Hasta ahora, muchas aplicaciones de IA en ciencia se quedaban en el plano computacional: analizar datos, predecir estructuras, resumir literatura, sugerir moléculas o priorizar hipótesis. El paso relevante aquí es que Anthropic está construyendo un sistema donde la IA no solo propone, sino que se integra con un laboratorio húmedo capaz de validar físicamente esas hipótesis.

El salto sistémico no es simplemente:IA descubre una enzima.

El salto real es:IA analiza datos biológicos → genera hipótesis → prioriza patrones → humanos validan experimentalmente → el resultado retroalimenta el proceso científico.

Eso es un circuito nuevo.

1. Del modelo al sistema de descubrimiento

El titular puede inducir a error si se lee de forma aislada. Claude no “descubrió CRISPR 2.0” en el sentido fuerte. Según Anthropic, sus agentes exploraron bases masivas de secuencias de ADN y detectaron un patrón repetitivo asociado a una familia inusual de transcriptasas inversas. Tras análisis y pruebas de laboratorio, la compañía identificó un sistema enzimático previamente no caracterizado en bacteriófagos, al que llama ART. Anthropic reconoce que todavía no sabe exactamente cuál es su función principal ni si tendrá aplicación práctica.

Pero desde el pensamiento sistémico, la clave no es solo el objeto descubierto. La clave es el método emergente.

Anthropic afirma que el proceso implicó aproximadamente 950 agentes de Claude, durante 21 horas, usando 210 millones de tokens, con intervención humana limitada al prompt inicial y a la validación experimental posterior. Esos datos importan porque muestran una forma de ciencia distribuida: muchos agentes explorando hipótesis en paralelo, buscando rarezas, conectando patrones y generando candidatos para revisión humana.

La unidad de análisis ya no es “un investigador mirando una base de datos”.
La unidad de análisis pasa a ser un sistema humano-IA-laboratorio.

2. Lectura RMS del caso

Desde RMS, el caso se entiende mejor separando recursos, mecanismos y sistema.

Recursos

Los recursos son:

  • modelos avanzados de IA;

  • agentes especializados;

  • bases masivas de secuencias genéticas;

  • literatura científica;

  • herramientas computacionales;

  • laboratorio húmedo;

  • científicos humanos;

  • protocolos de validación;

  • automatización parcial;

  • capital;

  • alianzas farmacéuticas;

  • infraestructura cloud y compute.

El recurso decisivo no es solo Claude. Es la combinación entre Claude, bases de datos biológicas, herramientas científicas y laboratorio físico.

Mecanismos

Los mecanismos son:

  • búsqueda autónoma en bases de datos;

  • detección de patrones inusuales;

  • generación de hipótesis;

  • priorización de candidatos;

  • revisión humana;

  • experimentación física;

  • validación de resultados;

  • comunicación científica y estratégica.

Aquí aparece la verdadera novedad: la IA empieza a actuar como mecanismo de conversión entre datos biológicos dispersos y candidatos experimentales.

La IA no produce automáticamente conocimiento validado. Pero puede reducir el coste de exploración. Puede mirar más datos, más rápido, con más combinaciones y menos fatiga humana. Eso cambia el cuello de botella de la ciencia.

Sistema

El sistema emergente es una nueva arquitectura de descubrimiento:datos biológicos masivos + agentes de IA + laboratorio húmedo + validación humana + capital tecnológico + narrativa estratégica.

Ese sistema puede acelerar la ciencia. Pero también puede concentrarla en manos de quienes controlen modelos, datos, laboratorios, compute y plataformas.

3. La oportunidad: ciencia más rápida y exploración masiva

La lectura positiva es muy potente.

Durante décadas, la biología ha generado cantidades inmensas de datos. Genomas, proteínas, familias enzimáticas, secuencias ambientales, bacteriófagos, microbiomas y literatura científica forman un océano de información que supera la capacidad humana de análisis manual.

La IA puede actuar como explorador de ese océano.

Puede buscar patrones raros.

Puede conectar secuencias alejadas.
Puede priorizar familias de proteínas.
Puede detectar repeticiones.
Puede sugerir experimentos.
Puede acelerar hipótesis.
Puede reducir el coste de explorar lo desconocido.

Esta es la parte que conecta con la idea del nuevo Renacimiento: la IA puede convertir información acumulada en nuevo conocimiento operativo.

En este caso, el valor no está solo en encontrar una enzima concreta. El valor está en demostrar que una arquitectura de agentes puede buscar rarezas biológicas a una escala difícilmente alcanzable para un equipo humano tradicional.

La ciencia pasa de un modelo artesanal a un modelo más industrializado y asistido por IA.

4. El riesgo: dual-use y reducción de barreras

Pero esta misma capacidad abre un problema.

Si la IA puede acelerar la búsqueda de sistemas enzimáticos útiles, también puede acelerar la búsqueda de capacidades biológicas peligrosas. No porque la IA quiera causar daño, sino porque puede reducir barreras de conocimiento.

Aquí aparece el dilema dual-use:la misma herramienta que puede encontrar terapias, proteínas útiles o sistemas biológicos prometedores puede también ayudar a identificar rutas de manipulación biológica que antes requerían más conocimiento especializado.

Por eso este caso confirma una de las tesis que venimos trabajando: la IA no es peligrosa únicamente por ser inteligente. Es peligrosa cuando se conecta a dominios donde las consecuencias son físicas, replicables y difíciles de revertir.

En biología, un error o un uso malintencionado puede propagarse.
En ciberseguridad, una vulnerabilidad puede escalar.
En defensa, una mala clasificación puede convertirse en daño real.
En finanzas, una automatización puede amplificar inestabilidad.

La IA deja de ser solo digital cuando toca sistemas físicos.

5. El punto sistémico: lab-in-the-loop

La expresión clave aquí es lab-in-the-loop.

Hasta ahora hablábamos mucho de human-in-the-loop: humanos supervisando decisiones de IA. En ciencia, el nuevo paradigma puede ser lab-in-the-loop: la IA genera hipótesis y el laboratorio las valida, las refuta o las transforma.

La secuencia sería:IA explora → laboratorio valida → resultado corrige → IA vuelve a explorar → nuevo experimento → nuevo aprendizaje.

Este bucle puede ser extremadamente poderoso.

No porque el modelo aprenda automáticamente en tiempo real como un organismo, sino porque el sistema completo —modelo, agentes, científicos, datos y laboratorio— puede crear un ciclo de mejora continua.

Este es el verdadero potencial disruptivo.

La IA no solo analiza ciencia.

La IA empieza a participar en el proceso mediante el cual se produce ciencia.

6. Capital, narrativa e IPO: ciencia y mercado se mezclan

También hay que leer el anuncio dentro de su contexto económico.

Anthropic presentó Claude Science como una plataforma de trabajo para científicos en junio de 2026. Según la propia compañía, busca integrar herramientas, paquetes y recursos de computación para facilitar flujos de investigación científica. Reuters informó también de que Anthropic ha creado un laboratorio húmedo en el Área de la Bahía para ir más allá de simulaciones in silico e integrar trabajo biológico físico en su programa de ciencias de la vida

Esto significa que el anuncio no es solo científico. También es estratégico.

Anthropic está intentando posicionarse no solo como proveedor de chatbots o modelos generales, sino como infraestructura para ciencia. Eso cambia el mercado. Si una plataforma de IA se convierte en el entorno donde investigadores buscan hipótesis, diseñan proteínas, integran bases de datos y coordinan experimentos, entonces la IA pasa a ocupar una capa central del sistema científico.

Aquí aparece una tensión: el descubrimiento puede ser real y, al mismo tiempo, formar parte de una narrativa de posicionamiento empresarial.

No son cosas incompatibles.

Un hallazgo científico puede ser genuino.
Y también puede ser usado como activo narrativo ante inversores, clientes farmacéuticos y talento científico.

La lectura sistémica evita tanto la ingenuidad como el cinismo.

7. ¿Sustituye la IA al científico?

No. Al menos no en este caso.

Lo que aparece es una redistribución de funciones.

La IA explora más rápido.
El humano define objetivos, interpreta, valida y decide.
El laboratorio comprueba físicamente.
La institución decide qué se comunica, qué se patenta, qué se desarrolla y qué se descarta.

La ciencia no desaparece. Cambia su arquitectura.

El científico deja de ser únicamente quien busca manualmente patrones. Pasa a ser quien diseña preguntas, audita procesos, interpreta resultados, controla riesgos y decide qué hallazgos merecen confianza.

La IA amplía el campo de exploración.
Pero la validación sigue siendo biológica, experimental e institucional.

Por eso conviene evitar dos extremos:

No es magia autónoma.
No es simple automatización irrelevante.

Es una nueva forma de organizar investigación.

8. Implicación para Europa y RMS

Este caso también tiene lectura europea.

Si la ciencia empieza a depender de plataformas de IA privadas, laboratorios automatizados, bases de datos integradas y modelos propietarios, Europa no puede limitarse a regular. Necesita capacidad propia para participar en esa nueva arquitectura.

La pregunta no es solo si Europa tendrá buenos científicos. Los tiene.

La pregunta es si tendrá:

  • datos interoperables;

  • compute científico;

  • modelos especializados;

  • laboratorios automatizados;

  • plataformas de investigación;

  • capital paciente;

  • transferencia ciencia-industria;

  • regulación compatible con innovación;

  • bioseguridad robusta;

  • autonomía frente a plataformas externas.

Si no construye esa arquitectura, Europa puede seguir produciendo ciencia de calidad, pero depender de infraestructuras privadas extranjeras para convertir esa ciencia en descubrimientos, productos y capacidades.

Desde RMS:

Europa tiene recursos científicos.
Necesita mecanismos de conversión.
El sistema resultante debe ser autonomía científica e industrial, no dependencia de plataformas externas.

9. Conclusión

El descubrimiento anunciado por Anthropic no debe leerse como “Claude ha inventado el nuevo CRISPR”. Eso sería exagerado. La propia compañía reconoce que la función del sistema aún se está investigando y que no hay aplicación práctica clara.

La lectura correcta es otra:la IA empieza a cerrar el ciclo entre datos, hipótesis y experimento.

Ese es el punto de inflexión.

Cuando la IA solo responde preguntas, transforma la productividad del conocimiento.
Cuando la IA analiza bases científicas masivas, transforma la investigación.
Cuando la IA propone hipótesis que luego se validan en laboratorio, transforma la arquitectura del descubrimiento.
Cuando esa arquitectura se conecta con capital, plataformas, farmacéuticas y geopolítica, transforma el poder científico.

El verdadero hallazgo no es solo una enzima; es la aparición de un nuevo sistema de descubrimiento donde IA, agentes, científicos y laboratorio físico forman una arquitectura conjunta para explorar lo desconocido.

4 claves 

1. No es “nuevo CRISPR”, todavía.
Es un sistema enzimático no caracterizado con repeticiones reminiscentes de CRISPR; su función y aplicación siguen abiertas. Anthropic

2. El salto real es sistémico.
La novedad no está solo en el hallazgo, sino en conectar agentes de IA, bases genómicas masivas y validación en laboratorio.

3. La ciencia entra en modo lab-in-the-loop.
La IA propone, el laboratorio valida, los resultados retroalimentan el proceso y los humanos interpretan.

4. Oportunidad y riesgo crecen juntos.
La misma arquitectura que puede acelerar curas y descubrimientos también puede reducir barreras en dominios dual-use como biología, ciberseguridad o defensa.


Claude, biolaboratorios y el cierre del ciclo IA-ciencia

Análisis sistémico del descubrimiento de un sistema enzimático tipo CRISPR

El anuncio de Anthropic sobre Claude y el descubrimiento de un sistema enzimático con similitudes estructurales a CRISPR debe leerse con cautela científica, pero con mucha atención estratégica. No estamos todavía ante “el nuevo CRISPR”. Tampoco ante una prueba definitiva de que la IA vaya a sustituir al científico. Lo que sí aparece es algo quizá más importante: un cambio en la arquitectura del descubrimiento científico.

Hasta ahora, muchas aplicaciones de IA en ciencia se quedaban en el plano computacional: analizar datos, predecir estructuras, resumir literatura, sugerir moléculas o priorizar hipótesis. El paso relevante aquí es que Anthropic está construyendo un sistema donde la IA no solo propone, sino que se integra con un laboratorio húmedo capaz de validar físicamente esas hipótesis.

El salto sistémico no es simplemente:

IA descubre una enzima.

El salto real es:IA analiza datos biológicos → genera hipótesis → prioriza patrones → humanos validan experimentalmente → el resultado retroalimenta el proceso científico.

Eso es un circuito nuevo.

1. Del modelo al sistema de descubrimiento

El titular puede inducir a error si se lee de forma aislada. Claude no “descubrió CRISPR 2.0” en el sentido fuerte. Según Anthropic, sus agentes exploraron bases masivas de secuencias de ADN y detectaron un patrón repetitivo asociado a una familia inusual de transcriptasas inversas. Tras análisis y pruebas de laboratorio, la compañía identificó un sistema enzimático previamente no caracterizado en bacteriófagos, al que llama ART. Anthropic reconoce que todavía no sabe exactamente cuál es su función principal ni si tendrá aplicación práctica.

Pero desde el pensamiento sistémico, la clave no es solo el objeto descubierto. La clave es el método emergente.

Anthropic afirma que el proceso implicó aproximadamente 950 agentes de Claude, durante 21 horas, usando 210 millones de tokens, con intervención humana limitada al prompt inicial y a la validación experimental posterior. Esos datos importan porque muestran una forma de ciencia distribuida: muchos agentes explorando hipótesis en paralelo, buscando rarezas, conectando patrones y generando candidatos para revisión humana.

La unidad de análisis ya no es “un investigador mirando una base de datos”.
La unidad de análisis pasa a ser un sistema humano-IA-laboratorio.

2. Lectura RMS del caso

Desde RMS, el caso se entiende mejor separando recursos, mecanismos y sistema.

Recursos

Los recursos son:

  • modelos avanzados de IA;

  • agentes especializados;

  • bases masivas de secuencias genéticas;

  • literatura científica;

  • herramientas computacionales;

  • laboratorio húmedo;

  • científicos humanos;

  • protocolos de validación;

  • automatización parcial;

  • capital;

  • alianzas farmacéuticas;

  • infraestructura cloud y compute.

El recurso decisivo no es solo Claude. Es la combinación entre Claude, bases de datos biológicas, herramientas científicas y laboratorio físico.

Mecanismos

Los mecanismos son:

  • búsqueda autónoma en bases de datos;

  • detección de patrones inusuales;

  • generación de hipótesis;

  • priorización de candidatos;

  • revisión humana;

  • experimentación física;

  • validación de resultados;

  • comunicación científica y estratégica.

Aquí aparece la verdadera novedad: la IA empieza a actuar como mecanismo de conversión entre datos biológicos dispersos y candidatos experimentales.

La IA no produce automáticamente conocimiento validado. Pero puede reducir el coste de exploración. Puede mirar más datos, más rápido, con más combinaciones y menos fatiga humana. Eso cambia el cuello de botella de la ciencia.

Sistema

El sistema emergente es una nueva arquitectura de descubrimiento:

datos biológicos masivos + agentes de IA + laboratorio húmedo + validación humana + capital tecnológico + narrativa estratégica.

Ese sistema puede acelerar la ciencia. Pero también puede concentrarla en manos de quienes controlen modelos, datos, laboratorios, compute y plataformas.

3. La oportunidad: ciencia más rápida y exploración masiva

La lectura positiva es muy potente.

Durante décadas, la biología ha generado cantidades inmensas de datos. Genomas, proteínas, familias enzimáticas, secuencias ambientales, bacteriófagos, microbiomas y literatura científica forman un océano de información que supera la capacidad humana de análisis manual.

La IA puede actuar como explorador de ese océano.

Puede buscar patrones raros.
Puede conectar secuencias alejadas.
Puede priorizar familias de proteínas.
Puede detectar repeticiones.
Puede sugerir experimentos.
Puede acelerar hipótesis.
Puede reducir el coste de explorar lo desconocido.

Esta es la parte que conecta con la idea del nuevo Renacimiento: la IA puede convertir información acumulada en nuevo conocimiento operativo.

En este caso, el valor no está solo en encontrar una enzima concreta. El valor está en demostrar que una arquitectura de agentes puede buscar rarezas biológicas a una escala difícilmente alcanzable para un equipo humano tradicional.

La ciencia pasa de un modelo artesanal a un modelo más industrializado y asistido por IA.

4. El riesgo: dual-use y reducción de barreras

Pero esta misma capacidad abre un problema.

Si la IA puede acelerar la búsqueda de sistemas enzimáticos útiles, también puede acelerar la búsqueda de capacidades biológicas peligrosas. No porque la IA quiera causar daño, sino porque puede reducir barreras de conocimiento.

Aquí aparece el dilema dual-use:la misma herramienta que puede encontrar terapias, proteínas útiles o sistemas biológicos prometedores puede también ayudar a identificar rutas de manipulación biológica que antes requerían más conocimiento especializado.

Por eso este caso confirma una de las tesis que venimos trabajando: la IA no es peligrosa únicamente por ser inteligente. Es peligrosa cuando se conecta a dominios donde las consecuencias son físicas, replicables y difíciles de revertir.

En biología, un error o un uso malintencionado puede propagarse.
En ciberseguridad, una vulnerabilidad puede escalar.
En defensa, una mala clasificación puede convertirse en daño real.
En finanzas, una automatización puede amplificar inestabilidad.

La IA deja de ser solo digital cuando toca sistemas físicos.

5. El punto sistémico: lab-in-the-loop

La expresión clave aquí es lab-in-the-loop.

Hasta ahora hablábamos mucho de human-in-the-loop: humanos supervisando decisiones de IA. En ciencia, el nuevo paradigma puede ser lab-in-the-loop: la IA genera hipótesis y el laboratorio las valida, las refuta o las transforma.

La secuencia sería:IA explora → laboratorio valida → resultado corrige → IA vuelve a explorar → nuevo experimento → nuevo aprendizaje.

Este bucle puede ser extremadamente poderoso.

No porque el modelo aprenda automáticamente en tiempo real como un organismo, sino porque el sistema completo —modelo, agentes, científicos, datos y laboratorio— puede crear un ciclo de mejora continua.

Este es el verdadero potencial disruptivo.

La IA no solo analiza ciencia.
La IA empieza a participar en el proceso mediante el cual se produce ciencia.

6. Capital, narrativa e IPO: ciencia y mercado se mezclan

También hay que leer el anuncio dentro de su contexto económico.

Anthropic presentó Claude Science como una plataforma de trabajo para científicos en junio de 2026. Según la propia compañía, busca integrar herramientas, paquetes y recursos de computación para facilitar flujos de investigación científica. Reuters informó también de que Anthropic ha creado un laboratorio húmedo en el Área de la Bahía para ir más allá de simulaciones in silico e integrar trabajo biológico físico en su programa de ciencias de la vida.

Esto significa que el anuncio no es solo científico. También es estratégico.

Anthropic está intentando posicionarse no solo como proveedor de chatbots o modelos generales, sino como infraestructura para ciencia. Eso cambia el mercado. Si una plataforma de IA se convierte en el entorno donde investigadores buscan hipótesis, diseñan proteínas, integran bases de datos y coordinan experimentos, entonces la IA pasa a ocupar una capa central del sistema científico.

Aquí aparece una tensión: el descubrimiento puede ser real y, al mismo tiempo, formar parte de una narrativa de posicionamiento empresarial.

No son cosas incompatibles.

Un hallazgo científico puede ser genuino.
Y también puede ser usado como activo narrativo ante inversores, clientes farmacéuticos y talento científico.

La lectura sistémica evita tanto la ingenuidad como el cinismo.

7. ¿Sustituye la IA al científico?

No. Al menos no en este caso.

Lo que aparece es una redistribución de funciones.

La IA explora más rápido.
El humano define objetivos, interpreta, valida y decide.
El laboratorio comprueba físicamente.
La institución decide qué se comunica, qué se patenta, qué se desarrolla y qué se descarta.

La ciencia no desaparece. Cambia su arquitectura.

El científico deja de ser únicamente quien busca manualmente patrones. Pasa a ser quien diseña preguntas, audita procesos, interpreta resultados, controla riesgos y decide qué hallazgos merecen confianza.

La IA amplía el campo de exploración.
Pero la validación sigue siendo biológica, experimental e institucional.

Por eso conviene evitar dos extremos:

No es magia autónoma.
No es simple automatización irrelevante.

Es una nueva forma de organizar investigación.


8. Implicación para Europa y RMS

Este caso también tiene lectura europea.

Si la ciencia empieza a depender de plataformas de IA privadas, laboratorios automatizados, bases de datos integradas y modelos propietarios, Europa no puede limitarse a regular. Necesita capacidad propia para participar en esa nueva arquitectura.

La pregunta no es solo si Europa tendrá buenos científicos. Los tiene.

La pregunta es si tendrá:

  • datos interoperables;

  • compute científico;

  • modelos especializados;

  • laboratorios automatizados;

  • plataformas de investigación;

  • capital paciente;

  • transferencia ciencia-industria;

  • regulación compatible con innovación;

  • bioseguridad robusta;

  • autonomía frente a plataformas externas.

Si no construye esa arquitectura, Europa puede seguir produciendo ciencia de calidad, pero depender de infraestructuras privadas extranjeras para convertir esa ciencia en descubrimientos, productos y capacidades.

Desde RMS:

Europa tiene recursos científicos.
Necesita mecanismos de conversión.
El sistema resultante debe ser autonomía científica e industrial, no dependencia de plataformas externas.

9. Conclusión

El descubrimiento anunciado por Anthropic no debe leerse como “Claude ha inventado el nuevo CRISPR”. Eso sería exagerado. La propia compañía reconoce que la función del sistema aún se está investigando y que no hay aplicación práctica clara.

La lectura correcta es otra:la IA empieza a cerrar el ciclo entre datos, hipótesis y experimento.

Ese es el punto de inflexión.

Cuando la IA solo responde preguntas, transforma la productividad del conocimiento.
Cuando la IA analiza bases científicas masivas, transforma la investigación.
Cuando la IA propone hipótesis que luego se validan en laboratorio, transforma la arquitectura del descubrimiento.
Cuando esa arquitectura se conecta con capital, plataformas, farmacéuticas y geopolítica, transforma el poder científico.

El verdadero hallazgo no es solo una enzima; es la aparición de un nuevo sistema de descubrimiento donde IA, agentes, científicos y laboratorio físico forman una arquitectura conjunta para explorar lo desconocido.

4 claves rápidas

1. No es “nuevo CRISPR”, todavía.
Es un sistema enzimático no caracterizado con repeticiones reminiscentes de CRISPR; su función y aplicación siguen abiertas. Anthropic

2. El salto real es sistémico.
La novedad no está solo en el hallazgo, sino en conectar agentes de IA, bases genómicas masivas y validación en laboratorio.

3. La ciencia entra en modo lab-in-the-loop.
La IA propone, el laboratorio valida, los resultados retroalimentan el proceso y los humanos interpretan.

4. Oportunidad y riesgo crecen juntos.
La misma arquitectura que puede acelerar curas y descubrimientos también puede reducir barreras en dominios dual-use como biología, ciberseguridad o defensa.

Claude descubre enzima tipo CRISPR en el biolab de Anthropic


El descubrimiento: Claude encuentra un sistema enzimático sin caracterizar

Anthropic asegura que su modelo Claude descubrió de forma autónoma un nuevo sistema enzimático con similitudes con la maquinaria molecular detrás de CRISPR, la herramienta de edición genética que transformó la biología moderna. El hallazgo fue anunciado como el primer resultado público de su laboratorio húmedo (wet lab) en el Área de la Bahía de San Francisco, confirmado por la compañía el 18 de septiembre de 2026.

El sistema enzimático no estaba caracterizado previamente y se encuentra en bacteriófagos, virus que infectan bacterias. La compañía aclaró que aún trabaja para entender qué hace exactamente el sistema y que, por ahora, no está claro si tendrá aplicaciones prácticas, ni mucho menos si será tan transformante como CRISPR.

¿Cómo lo hizo Claude? 950 agentes, 21 horas y 210 millones de tokens

El proceso, según Anthropic, involucró a cerca de 950 agentes de Claude operando durante 21 horas y consumiendo 210 millones de tokens. El rol de los científicos humanos se limitó al prompt inicial y al trabajo de laboratorio para validar los resultados. Uno de los agentes identificó un patrón repetitivo inusual en una enorme base de datos de secuencias de ADN y lo marcó para revisión humana

El análisis posterior y las pruebas de laboratorio confirmaron el nuevo sistema enzimático. La compañía enmarcó el anuncio como "prematuro" y justificó compartirlo a pesar de las dudas para demostrar las capacidades de Claude y dar visibilidad a su programa.

¿Qué es el biolab de Anthropic y por qué importa?

El laboratorio húmedo de Anthropic es una instalación física donde la empresa busca cerrar el ciclo entre las hipótesis generadas por la IA y los experimentos biológicos reales. Eric Kauderer-Abrams, responsable de ciencias de la vida en Anthropic, dijo que el trabajo en laboratorio sigue siendo la prueba definitiva en biología.

El programa se apoya en varias piezas construidas en los últimos meses:

  • Claude Science: plataforma lanzada el 30 de junio de 2026 que integra más de 60 bases de datos científicas para flujos de trabajo en diseño de proteínas, genómica y áreas relacionadas.
  • Adquisición de Coefficient Bio: operación cerrada en acciones por un valor aproximado de US$400M, según reportó Reuters y replicaron Blockonomi y CoinCentral.
  • Model Hardware Standard: estándar lanzado en agosto de 2026 para que la IA opere equipamiento de laboratorio.
  • Alianzas: Anthropic provee herramientas de IA a Genentech, Bristol Myers Squibb y Novo Nordisk.
La compañía dice que no competirá con farmacéuticas llevando fármacos al mercado y, por ahora, no correrá ensayos clínicos. Su foco declarado: enfermedades que la industria farmacéutica tradicional considera poco atractivas comercialmente. El CEO Dario Amodei vinculó el programa a una motivación personal: su padre murió de una enfermedad pocos años antes de que se encontrara una cura, según escribió en un ensayo reciente

Lo que Anthropic dice — y lo que todavía no está claro

El comunicado tiene tres puntos débiles que un founder debe leer antes de llevarse una impresión demasiado optimista:

  • Aplicación práctica desconocida. La propia compañía admite que sigue trabajando para entender qué hace el sistema. No hay todavía ningún experimento que muestre una utilidad concreta comparable a CRISPR.
  • Anuncio "prematuro". Anthropic reconoce que divulga el hallazgo antes de lo habitual. El objetivo declarado: atraer científicos al laboratorio y diferenciarse ante la inminencia de su salida a bolsa.
  • Verificación independiente pendiente. Por ahora, la única fuente sobre la magnitud del hallazgo es Anthropic. No se reportaron terceros académicos que hayan reproducido los resultados.

Datos internos publicados por la compañía en agosto de 2026 sí están mejor documentados: los modelos de Claude alcanzaron tasas de éxito de 22–35% en diseño de proteínas, aproximadamente el doble del benchmark industrial de 10–15%. Diseñaron 1.320 proteínas, de las cuales 354 fueron confirmadas como binders funcionales contra 15 objetivos distintos, según reportó CryptoBriefing citando a la propia Anthropic

Aunque el hallazgo no es aún un producto, sí marca un punto de inflexión sobre cómo la IA generativa se está metiendo en ciencia con laboratorio incluido. Para founders en biotech, healthtech o AI tooling científico, hay tres implicaciones concretas:

  • La frontera se mueve hacia "lab-in-the-loop". Anthropic ya no se limita a predecir: cierra el ciclo con robots de laboratorio que ejecutan las hipótesis. Si tu startup hace drug discovery o genómica, evalúa cuánto dependes de partners académicos y considera cómo integrarte a plataformas tipo Claude Science antes de que el ecosistema se consolide alrededor de un solo proveedor.
  • Las métricas de IA para ciencia están dejando de ser anécdotas. Tasas de éxito del 22–35% en diseño de proteínas son argumentos comerciales reales para vender a farmacéuticas. Si construyes herramientas para equipos de I+D, recopila datos de éxito verificables y empaquétalos en formatos comparables (hit rate, validación experimental, número de objetivos). Anthropic acaba de fijar un estándar informal al que tus clientes te van a medir.
  • El reloj del IPO aprieta el calendario de comunicación. Anthropic presentó su Form S-1 ante la SEC el 1 de junio de 2026 y el mercado Polymarket le asigna un 83% de probabilidad de salir a bolsa antes de fines de octubre de 2026 y un 93% antes de fin de año, según Yahoo Finance. Los anuncios científicos ahora también son piezas narrativas para inversores. Si estás levantando capital, prepara un storytelling donde cada milestone técnico tenga un ángulo de mercado claro, no solo científico.

Contexto: la carrera por la IA científica se acelera

El movimiento de Anthropic llega mientras OpenAI avanza con problemas matemáticos cada vez más avanzados, según reportó The Verge, con poco apego a las normas académicas del campo. La lectura estratégica es clara: para los grandes laboratorios, demostrar capacidad científica se convirtió en el nuevo benchmark que diferencia a un modelo fuerte de uno meramente bueno en chat.

Anthropic, además, opera con una valoración privada cercana a US$965.000M y un ARR aproximado de US$65.000M, lo que la convierte, según Yahoo Finance, en la empresa tecnológica de mayor crecimiento de la historia. Amazon mantiene una participación valorada en cerca de US$43.000M. En ese contexto, un descubrimiento tipo CRISPR —aunque sea simbólico— es un activo narrativo potente de cara a una potencial IPO valorada por analistas cerca de US$2 billones.

Conclusión

Anthropic comunicó un descubrimiento de enzima tipo CRISPR hecho por Claude en su biolab. La cifra suena enorme (950 agentes, 21 horas, 210 millones de tokens) pero la aplicación real aún es desconocida. Para founders, la señal más útil no es el hallazgo en sí: es que la frontera de la IA para ciencia ya está cerrando el ciclo entre cómputo y laboratorio físico. Si trabajas en biotech, healthtech o AI tooling, el mensaje de fondo es empezar a diseñar tu producto asumiendo que la IA pronto ejecutará, no solo sugerirá, los experimentos.

https://ecosistemastartup.com/claude-descubre-enzima-tipo-crispr-en-el-biolab-de-anthropic/

Fuentes